Combining Strategies for the Estimation of Treatment Effects

Abstract

Uma ferramenta importante na avaliacao de politicas economicas e a estimacao do efeito medio de um programa ou tratamento sobre uma variavel de interesse. Em geral, a atribuicao do tratamento aos potenciais participantes nao e aleatoria, o que pode causar vies de selecao quando desconsiderada. Uma maneira de resolver esse problema e supor que o econometrista observa um conjunto de caracteristicas determinantes, a menos de um componente estritamente aleatorio, da participacao. Sob esta hipotese, existem na literatura estimadores semiparametricos do efeito medio do tratamento que sao consistentes e capazes de atingir, assintoticamente, o limite de e ciencia semiparametrico. Entretanto, nas amostras frequentemente disponiveis, o desempenho desses metodos nem sempre e satisfatorio. O objetivo deste trabalho e estudar como a combinacao das duas estrategias pode produzir estimadores com melhores propriedades em amostras pequenas. Para isto, consideramos duas formas de integrar essas abordagens, tendo como referencial teorico a literatura de estimacao duplamente robusta desenvolvida por James Robins e co-autores. Analisamos suas propriedades e discutimos por que podem superar o uso isolado de cada uma das tecnicas que os compoem. Finalmente, comparamos, num exercicio de Monte Carlo, o desempenho desses estimadores com os de imputacao e reponderacao. Os resultados mostram que a combinacao de estrategias pode reduzir o vies e a variância, mas isso depende da forma como e implementada. Concluimos que a escolha dos parâmetros de suavizacao e decisiva para o desempenho da estimacao em amostras de tamanho moderado.